Fable5 真的要命，我用它跑了一个攻防安全的测试 直接把我额度干没了吧，救命 @claudeai 到底谁在说AI 没有未来啊，放在去年，我一个设计，我哪里会项目攻防安全啊 不会AI的人注定要被淘汰！没买储存的也是

Fable5的智力确实超群，半小时的对话我感觉至少给我创造了六位数的价值。。。 之前让它帮我优化Codex的记忆系统，就能看出这家伙在规划和思考深度上非同一般。所以我尝试把我的所有最近的思考规划、过往成绩和价值判断丢给了它，得到了几条宝贵的经验，分享给大家： 1.我之前一直说的「以成长为主线」是有问题的。这是个模糊的概念，成长可以是所有事情的挡箭牌。必须要树立客观目标：《我今年是否通过xx达成了年入xx的目标》 2.投资不应该花太多时间学习，一年研究时间上限是10h。花小钱买一次市场教训，作为情绪投资成本，主力还是放在内容和产品上面。 3.坚持看YouTube关于大模型和AI的播客，三合一学习：英语输入、AI认知、选题素材。 4.法律科技律所实习，不是单纯实习，而是锻炼产品能力、洞察B端需求。 ...... 我的很多错误观点都被Fable5否认了，原本可能要多花费几十上百个小时，现在我能少走很多弯路，感谢Fable5！当然，也很期待GPT5.6，我到时候会再找它聊一次。

Fable5的动态工作流规划能力和长程任务能力非常惊艳，模型本身训练已经带上了这些目标，做任务的时候，也很能感受到这个模型对 unknown unknown 的把控力。 这背后是前沿 AI 模型的训练目标，正在从让模型变聪明转向让模型会干活。 Fable5被明确设计为能够自主工作数小时甚至数天、分阶段规划、派发子任务给内部 agent、自我验证输出结果、在百万 token 上下文中始终保持注意力的系统。 这也不是 Anthropic 一家在走的路，把最近几个月的模型发布串起来看，所有实验室都在往同一个方向收敛。 DeepSeek V4 Pro 的训练管线是典型的例子：先用 SFT 加 GRPO 强化学习对每个领域独立培养专家能力，再通过 on-policy 蒸馏将所有领域的专长统一融合进一个模型。同时提供 Non-Think、Think High、Think Max 三种推理模式，让用户根据任务复杂度在延迟和深度之间做取舍。1.6万亿参数 MoE 架构，百万 token 上下文，10到12倍便宜于 GPT-5.5的价格。它的训练方法已经明确针对 agentic coding 和长程推理做了优化。 即将公布的GPT-5.6更进一步，OpenAI 用强化学习训练三个独立变体（Sol、Terra、Luna），让模型通过生成长 deliberation trace 来推理后再输出。Sol 甚至有一个 ultra 模式，会自主派生出多个子 agent 来并行处理多步骤任务的不同部分。 把这些拼在一起，能看到一条非常清晰的趋势线： 前 Qwen 技术负责人林俊旸回顾了 Qwen3混合思考模式（thinking/non-thinking 切换）的教训：思考模式和指令模式在训练目标上天然冲突，强行让一个模型两者兼顾，结果是两边都不够好。所以后续版本直接拆成了 Instruct 和 Thinking 两个独立变体。 但他更核心的判断是：AI 领域正在从训练模型转向训练 Agent。他把传统的推理思考（o1、DeepSeek-R1那种，依赖数学和代码的确定性奖励信号）和 Agent 思考区分开来，Agent 需要在交互式环境中制定计划、调用工具、根据反馈修正行动。后者的训练基础设施挑战大得多：要解耦训练和推理，要优化环境质量而不是数据多样性。 这就回到了 Dario Amodei 反复讲的那个最朴素的原理：AI 模型能力根本上取决于参数规模和输入数据。从这个角度看，LLM 行业确实没有天然护城河，训练方法在收敛，开源社区在追赶，算法创新很快就会被复制。 Anthropic 自己内部的数据也很说明问题，2023年收入从0到1亿美元，2024年到10亿，2025年到90-100亿，每年十倍增长。但 Dario 自己也在说“我们接近指数的终点”——当所有玩家的训练方法论趋同，真正的壁垒只剩下算力获取能力和生态锁定效应。 所以 Fable5让人兴奋的是它展示了一种新的模型行为模式：不需要外部脚手架告诉它一步步怎么做，它自己就能把一个大任务拆开、执行、纠错、完成。这种能力的来源是训练阶段就刻进模型权重里的目标函数。 当训练模型的思路和训练 Agent 的思路开始重叠，我们看到的就不再是一个更聪明的问答系统，而是一个真正能在现实工作流里接管长程任务的执行体。

Fable5实测——打工人的自救小游戏 Fable5免费使用还剩最后3天了。作为目前最强的模型，有人拿它debug，有人拿它重构工作流。 可以说大家都想把它薅到极致🤣，小师妹也不例外。 连续工作几天后，我明显感觉到脑子在「罢工」。一点小问题就想直接扔给AI，久而久之我开始慌了——如果脑袋越来越懒得动，那职场竞争力是不是也要跟着掉？ 于是师妹灵机一动：让AI帮我做一个能锻炼自己大脑的小游戏。 希望工作之余花几分钟，就能把脑子重新「唤醒」。没想到仅用两轮提示词，就完成了想法到上线。 欢迎打工人一起摸鱼练脑，链接放这了😝： 再分享Fable5几个使用技巧： 1️⃣给场景比给指令更有效 2️⃣截图反馈比模糊反馈更有效 3️⃣小步迭代比一步到位更有效 Fable5免费窗口快关了，大家都拿来做什么了？

Fable5已经变成Opus4.8的形状了。 自此它重新上线后，我跑了一些实验，但安全分类器一触发，就自动切到 Opus 4.8。很多 benchmark 直接崩坏，根本没被系统允许全力输出，效率低下。 而且，BridgeMind 重跑 BridgeBench，从 86.2 暴跌到 25.9，就是最直观的证据。 解禁后的最强公开模型，在实际使用里变成了一个被安全层阉割过的空壳。 我想让它发挥 Mythos 级的能力，反而要小心翼翼绕过各种触发词，就像…在跟一个随时会遣返的模型谈判一样，无比焦灼。 我的科研白月光烂掉了。